Universität Erlangen-Nürnberg Lehrstuhl Prof. Mertens Habib Lejmi Ein Beitrag zur Integration der Tourenplanung auf e-marktplätzen am Beispiel einer Abwicklungs-Plattform in der Möbelindustrie Äußerer Laufer Platz 1, 90403 Nürnberg, Tel. +49 911-5302151, Fax +49 5302149 lejmi@forwin.de, http://www.forwin.de
FORWIN-Bericht-Nr.: FWN-2003-006 FORWIN - Bayerischer Forschungsverbund Wirtschaftsinformatik, Bamberg, Bayreuth, Erlangen-Nürnberg, Regensburg, Würzburg 2003 Alle Rechte vorbehalten. Insbesondere ist die Überführung in maschinenlesbare Form sowie das Speichern in Informationssystemen, auch auszugsweise, nur mit schriftlicher Einwilligung von FORWIN gestattet. ii
Zusammenfassung Der Arbeitsbericht stellt ein Konzept für die Integration der logistischen Auftragsabwicklung in e-marktplätze für physische Güter vor. Ein besonderes Augenmerk bei der Entwicklung des Lösungsansatzes lag auf Problemen der Tourenplanung sowie auf der konsequenten Berücksichtigung von Erkenntnissen und Verfahren aus der Logistik und aus dem Operations Research. Neben einer aktuellen Bestandsaufnahme zu den bekanntesten Lösungsverfahren für das so genannte Vehicle Routing Problem (VRP) berichten wir über Erfahrungen während der Konzeption und Implementierung eines Logistikmoduls in einem vertikalen B2B-Marktplatz der Möbelindustrie. Stichworte Tourenplanung, Saving, Tabu Search, Transport, e-marktplätze Abstract The report presents a new approach for the integration of logistic services into e-marketplaces trading industrial goods. The main focus is set thereby on problems related to transport planning and the implementation of consolidated findings from Operations Research. Besides a survey of classical and modern methods for the Vehicle Routing Problem (VRP), we report about the conception and realization of a logistics component and its integration into a B2B exchange in the furniture industry. Keywords VRP, Saving, Tabu Search, Transport, e-marketplaces iii
Inhalt 1 EINLEITUNG... 1 2 ZIELE UND GESAMTKONZEPT... 1 2.1 BESTANDSAUFNAHME ZUR INTEGRATION DER LOGISTIK IN B2B-MARKTPLÄTZE... 2 2.2 KONZEPT DER INTEGRIERTEN TRANSPORTABWICKLUNG... 4 3 PROBLEME DER TOURENOPTIMIERUNG... 5 3.1 MATHEMATISCHE FORMULIERUNG... 6 3.2 ÜBERSICHT DER LÖSUNGSVERFAHREN... 7 3.1.1 Exakte Verfahren... 7 3.1.2 Heuristische Verfahren... 8 4 MODELLBILDUNG UND IMPLEMENTIERUNGSASPEKTE... 15 4.1 BASISMODELL... 15 4.2 FALLSTUDIE... 17 4.2.3 Integration der Tourenplanung... 17 4.2.4 Implementierte Lösungsverfahren... 20 4.2.5 Verfahrensvergleich und Bewertung... 23 5 ZUSAMMENFASSUNG UND AUSBLICK... 24 iv
1 Einleitung Der Transport gilt oft als das vergessene Bindeglied in der Supply Chain. Die Transportkosten bilden jedoch den größten Kostenfaktor in der Logistik [Klaus 1999] und bieten dementsprechend das größte Potenzial für Einsparungen in diesem Bereich. Neue Anforderungen und gleichzeitig Chancen durch das e-business stellen eine zusätzliche Relevanz für die unternehmensübergreifende Transportoptimierung dar. Die Integration von logistischen Überlegungen in vertikale B2B-Marktplätze schafft nicht nur eine Lösung für Lieferprobleme in der Auftragsabwicklung, die oft das Scheitern von e-business-strategien verursachen [Simon 2001], sondern realisiert auch einen echten Mehrwert für die Teilnehmer- Unternehmen. Der vorliegende Bericht stellt ein Konzept vor, das die Integration der Transportplanung auf e-marktplätzen realisiert. Die entwickelte Lösung ist in einem Kooperationsprojekt des Bayerischen Forschungsverbunds Wirtschaftsinformatik (FORWIN) und der ecenta AG (Nürnberg) entstanden und konnte auf einer vertikalen Abwicklungs-Plattform in der Möbelindustrie validiert werden. Die erzielten Ergebnisse zeigen die großen Chancen, die eine Integration von Logistik in e-marktplätze schafft, insbesondere für kleine und mittlere Unternehmen (KMU). Der Beitrag fokussiert auf die Tourenoptimierung, ein wichtiger Teilbereich der Distributionslogistik [Paessens 1987]. Nach einer kurzen Beschreibung der Ziele und Hintergründe des erarbeiteten Gesamtkonzepts im nächsten Kapitel, vertieft Kapitel 3 die Grundlagen zur Untersuchung von Routenplanungsfragen. Kapitel 4 beschreibt ein Basismodell für die Tourenoptimierung auf vertikalen B2B-Marktplätzen und skizziert die Erfahrungen bei dessen Implementierung auf einer Abwicklungsplattform in der Möbelindustrie. 2 Ziele und Gesamtkonzept Nach einer Anfangsphase des elektronischen Handels, in der Probleme der logistischen Abwicklung weitgehend unberücksichtigt blieben, verbreitete sich die Erfahrung, dass eine teure Logistik die versprochenen Vorteile der Reduzierung von Transaktionskosten und zeiten absorbieren kann. Ein weites Spektrum an Lösungen ist in der Folge entstanden. Diese reichen in Anbetracht der Integration des Online-Geschäfts mit den traditionellen Absatzkanälen eines Unternehmens bzw. einer Lieferkette von einer totalen Fremdvergabe der Logistik bis zu einer einheitlichen Auftragsabwicklung. Die Integration der Logistik in e-commerce(ec)-lösungen bietet im Vergleich zu anderen Vorgehensweisen viele Vorteile: Kostensenkung, Ausschöpfung von Bündelungs- 1
möglichkeiten sowie die Schaffung eines quantifizierbaren Mehrwerts im Vergleich zum traditionellen Geschäft. Eine Integrationslösung erfordert aber von den Anbietern von EC- Systemen eine tief greifende Auseinandersetzung mit Erkenntnissen und Erfahrungen aus dem Bereich der Logistik. Es ist außerdem notwendig, alle Phasen einer Handelstransaktion zu berücksichtigen, also auch die Vereinbarung und Abwicklung von Kaufverträgen. 2.1 Bestandsaufnahme zur Integration der Logistik in B2B-Marktplätze Das EC-Umfeld zeichnet sich durch eine Vielzahl von Geschäftsmodellen aus, die sehr unterschiedliche Anforderungen an die logistische Abwicklung aufweisen [Wallenburg et al. 2002]. Wir konzentrieren uns im Folgenden auf die Integration der Logistik in B2B-Marktplätze für Güter. Obwohl sich Experten aus Wissenschaft und Praxis darüber einig sind, dass die Auftragsabwicklung einen Schlüsselerfolgsfaktor für B2B-Handelsplattformen bildet, ist es interessant zu beobachten, dass nur sehr wenige internetbasierte Marktplätze integrierte Lieferlösungen anbieten. Die logistische Funktionalität beschränkt sich, wenn sie überhaupt vorhanden ist, meistens nur auf das Angebot von Übersichten auf offene Bestellungen, ggf. kombiniert mit dem Status der Auftragsabwicklung [Quadrem 2002, WWRE 2002]. Es werden nur die Informationsflüsse berücksichtigt und kaum die physische Erfüllung abgeschlossener Verträge. Außerdem besteht eine verbreitete Ansicht, dass die Lieferprobleme im B2C-Bereich wegen der großen Anzahl der Kunden und der Vielzahl kleinerer Aufträge komplexer sind als im B2B-Handel [Siebel 2001]. Es gilt jedoch zu konstatieren, dass gerade die Transaktionen zwischen Unternehmen die logistische Abwicklung vor beträchtliche Herausforderungen stellen. Die Distributionskanäle in diesem Bereich sind vielfältig [Hintlian et al. 2001]. Berücksichtigt man Transporte, bei denen die Pünktlichkeit im Vordergrund steht, wie beispielsweise bei Just-in-Time-Lieferungen, so kommt man zur Erkenntnis, dass die Logistik im B2B mindestens genau so wichtig ist wie im B2C-Umfeld. Erst durch die Integration logistischer Dienstleistungen können B2B-Marktplätze ihren Kunden einen signifikanten Mehrwert anbieten, der über die Senkung der Suchkosten hinausgeht [Klose et al. 2000]. Diese Integration kann in Abhängigkeit von den Branchenstrukturen und von den etablierten Logistikbeziehungen auf unterschiedlichen Stufen umgesetzt werden. Wenn etablierte Beziehungen zwischen Lieferanten (oder Abnehmern) und Logistikdienstleistern (LDL) existieren, wie beispielsweise in der Stahloder Automobilindustrie, erwartet man, dass diese bestehen bleiben [Carstensen 2001]. Der 2
Beitrag der B2B-Marktplätze beschränkt sich in diesem Fall in der Abwicklungsphase auf die Unterstützung der Kommunikation zwischen den Spediteuren und Teilnehmer-Unternehmen. Es gibt aber andere Potenziale, beispielsweise durch die Auftragsbündelung oder Frachtoptimierung. Diese bleiben zum aktuellen Stand der Entwicklung weitgehend ungenutzt. Entstehen mithilfe der Internet-Plattform neue Zulieferer-Abnehmer-Beziehungen oder werden dadurch geografisch neue Märkte erschlossen, bietet es sich für den Marktplatzbetreiber an, zusätzliche Dienste bereitzustellen und die logistische Abwicklung zu vermitteln oder auch zu beauftragen. Man verspricht sich dabei einen bessere Koordination der zwischenbetrieblichen Material- und Informationsflüsse. Unter der Integration logistischer Dienstleistung in B2B-Marktplätze wird in der praxisorientierten Literatur oft die Herstellung von Schnittstellen zwischen den Teilnehmern und LDL verstanden. Je nach Kosten-Nutzen-Analyse lassen sich drei Möglichkeiten für die operative Umsetzung unterscheiden: 1. Verweisen auf qualifizierte Dienstleister: Der Marktplatz setzt in diesem Fall einen Link auf die Web-Seiten registrierter Logistiker. Das impliziert, dass der Anwender den Marktplatz verlassen muss, um den Logistikauftrag zu erfassen. Eine solche Lösung sollte in einer Zusammenarbeit zwischen der CargEx AG und dem e-marktplatz T-Mart der Deutschen Telekom realisiert werden [CargEx 2002]. 2. Lose Kopplung: Die Integration ist auf dieser Stufe dokumentenbasiert. Die Verlader können am Marktplatz ihre Logistikaufträge online eingeben. Diese lassen sich in einem standardisierten Format an den Logistiker weiterleiten. Denkbar sind in diesem Zusammenhang Rahmenvereinbarungen zwischen Betreiber und Logistikpartnern, die den Preis der Dienstleistung festlegen. Diese Lösung wurde beispielsweise in den e-marktplätzen Netbid.de und Paperexchange.com in Zusammenarbeit mit der Stinnes AG umgesetzt [Carstensen 2001]. 3. Enge Kopplung: Um die Medienbrüche zu vermeiden, implementiert man standardisierte Schnittstellen zu den Informationssystemen der LDL. Dadurch erhalten die Teilnehmer z. B. Preis- oder Tracking&Tracing-Informationen direkt auf dem Marktplatz. Dieser Ansatz ist allerdings nur denkbar, wenn die Transaktionsvolumina hoch und die Marktakteure bereit sind, sich auf einen bestimmten Dienstleister festzulegen. Abbildung 1 zeigt die Integrationsstufen logistischer Dienste in B2B-Marktplätze, wie man sie heute in der Praxis vorfindet. 3
Nutzen Enge Kopplung Spediteur Lose Kopplung Spediteur Verweisen auf LDL Spediteur Kosten Abbildung 1 Integrationsstufen logistischer Dienstleistungen in B2B-Marktplätze 2.2 Konzept der integrierten Transportabwicklung Das entwickelte Lösungskonzept geht einen Schritt weiter als die geschilderten Ansätze und sieht die Implementierung einer Transportkomponente aufseiten der e-marktplätze vor. Diese integriert die kaufmännischen und logistischen Prozesse, trägt dazu bei, die Transportkosten zu minimieren, und fördert die Anbindung von LDL an B2B-Handelsplattformen im Internet. Das Angebot von informationsbasierten Mehrwertdiensten soll außerdem die Transparenz in der logistischen Abwicklung steigern. Verschiedene Aufgaben (Teilprozesse) müssen erfüllt werden, um Transportdienstleistungen zu erbringen. Sie lassen sich in drei Ebenen einordnen [Hoffmann und Lindemann 1998]. Die Kerndienstleistungen umfassen die Planung, Optimierung und Steuerung von Transporten sowie die physische Frachtführung. Die Aufgaben der Qualitätssicherung, des Abschlusses von Versicherungen und der Zollabwicklung zählen zu den Zusatzdiensten. Neben der Statusverfolgung beinhalten Informationsdienstleistungen die Erstellung von Berichten und Statistiken. Es gilt zuerst abzuwägen, welche Dienste vom e-marktplatz übernommen und welche an LDL fremdvergeben werden. Zwei Eigenschaften von B2B-Marktplätzen spielen bei dieser Entscheidung eine zentrale Rolle. Zuerst die Möglichkeit einer unternehmensübergreifenden Sicht auf alle Auftragsdaten und über mehrere Lieferungsperioden hinweg. Dadurch kann die Tourenplanung beispielsweise einen größeren Bündelungsgrad sowie eine bessere Kapazitäts- 4
auslastung der Transportmittel erreichen. Zum anderen bieten e-marktplätze zentrale Systeme für den Datenaustausch zwischen verschiedenen Partnern. Der Datenzugriff ist zudem zu jedem Zeitpunkt möglich. Informationsintensive Aufgaben am Beispiel der Dokumentenverwaltung oder der Statusverfolgung müssen deshalb aufseiten des e-marktplatzes integriert werden. Abbildung 2 skizziert den Aufbau der Transportkomponente. Neben den Modulen für die Unterstützung der Transportabwicklung enthält das System zwei Schnittstellen zum e- Marktplatz sowie zu den internen Systemen der LDL. Diese können entweder Partner im Rahmen von langfristigen Kontrakten (Regelfall) oder auch Dienstleister auf dem Spotmarkt sein. Stufe 1 Stufe 2... B2B-Marktplatz Stufe n Supply Chain Transport -Server Dokumentenverwaltung Schnittstelle zum Marktplatz-System Tourenplanung Statusverfolgung Schnittstelle zum System des LDLs Controlling LDL LDL = Logistikdienstleister Abbildung 2 Module der Transportkomponente Der erste Schritt bei der Umsetzung des Konzepts bestand in der Implementierung des Moduls für die Tourenplanung. Probleme der Routenoptimierung werden seit Ende der 50er Jahre untersucht. Dementsprechend findet man in der Literatur zahlreiche Modelle und Verfahren dazu. Eine Bestandsaufnahme der wichtigsten Algorithmen bildete die Basis der Entwicklung unseres Moduls. 3 Probleme der Tourenoptimierung Als Referenz für Tourenplanungsaufgaben dient ein Standardproblem, das unter dem Namen Vehicle Routing Problem (VRP) bekannt geworden ist. Dieses Grundmodell beschreibt die Lieferung von Auftragsgegenständen zu einer gegebenen Anzahl von Kunden unter Einhaltung von einfachen Nebenbedingungen: 1. Die Ware ist in einem Lager (Depot) abgelegt, in dem auch der Fuhrpark stationiert ist. 2. Die Entfernungen zwischen den verschiedenen Orten sind bekannt und symmetrisch. 5
3. Es stehen beliebig viele Fahrzeuge zur Verfügung, die alle eine einheitliche Kapazität aufweisen und höchstens eine Fahrt (Tour) übernehmen können. 4. Die Auftragsmenge jedes Kunden ist vollständig von einem Fahrzeug zu befriedigen. Die Zielsetzung vom VRP besteht in der Planung von Touren, mit denen die Nachfrage der Kunden erfüllt wird. Außerdem gilt es, die Fahrzeugkapazität einzuhalten und die gesamte Strecke zu minimieren. Unter einer Tour verstehen wir die geordnete Menge der Kunden, die der Frachtführer auf einer am Depot beginnenden und endenden Fahrt gemeinsam bedient. Die Ordnung der Kunden ergibt sich aus der Reihenfolge, in der sie beliefert werden. Die Menge aller Touren, die zur Erfüllung der gegebenen Aufträge nötig ist, stellt das Ergebnis der Tourenplanung dar, den Tourenplan. Das VRP ist eine Verallgemeinerung für das Problem des Geschäftsreisenden (Traveling Salesman Problem, TSP) und gilt als NP-vollständig, d. h. es lässt sich deterministisch nur mit exponentieller Laufzeit lösen. 3.1 Mathematische Formulierung Sei G = (V, A) ein Graph mit einer Menge V von Knoten und einer Menge A von Kanten. Es gilt: V = {0} N ; wobei 0 dem Depot entspricht und N = (1,.., n) die Menge aller Kunden ist. A = ({0} N) I (N {0}) ; wobei I N N die Menge aller Verbindungen zwischen den Kunden ist, {0} N enthält die Kanten zwischen dem Depot und den Kunden und N {0} die Kanten von den Kunden zum Depot. Jeder Kunde i N hat eine Nachfrage der Menge q i. Die Variable y i bezeichnet die Ladung eines Fahrzeugs, wenn es in der entsprechenden Abladestelle ankommt. Jeder Kante (i, j) ist ein Kostenfaktor c ij zugeordnet. Es wird zusätzlich angenommen, dass c ij die Fahrstrecke und -zeit wiedergibt. Alle Fahrzeuge haben eine einheitliche Kapazität Q. Für jede Kante (i, j) A sei außerdem eine Variable x ij definiert. Sie nimmt den Wert 1 an, falls die Strecke von einem der Fahrzeuge befahren wird, und ist ansonsten gleich 0. Die Zielfunktion im VRP lässt sich wie folgt umschreiben: Minimiere (i, j) A c ij x ij wobei: j V x ji = 1 i N i V x ji = 1 i N x ji = 1 y i q i = y j (i, j) I q i y i Q i N x ij {0, 1} (i, j) I 6
3.2 Übersicht der Lösungsverfahren Grundsätzlich lassen sich zwei Verfahrensarten zur Tourenplanung unterscheiden. Deterministische Verfahren formulieren ein Optimierungskriterium (Zielfunktion) und berechnen unter Wahrung der Restriktionen eine optimale Lösung. Jedoch lässt sich eine komplexe Ausgangssituation in der Regel nur recht diffizil modellieren. Die Anpassung der resultierenden mathematischen Formulierung bereitet zusätzliche Schwierigkeiten. Es sind außerdem hohe und rapide ansteigende Rechenzeiten notwendig, um die Lösung zu ermitteln. Zur zweiten Gattung gehören die heuristischen Verfahren. Sie liefern zwar keine globalen Optima, aber immer noch sehr gute Ergebnisse, welche nahe an die bestmögliche Lösung heranreichen. 3.1.1 Exakte Verfahren Exakte Verfahren, die das Tourenplanungsproblem optimal lösen, haben bislang in der Praxis keine Bedeutung erlangt. Es konnten lediglich Tourenplanungsprobleme mit wenigen Nebenbedingungen und einer kleinen Anzahl von Kunden in relativ zufrieden stellenden Rechenzeiten exakt gelöst werden [Eddelbüttel 1997]. Für Situationen mit 10 bis 25 Kunden stellt z. B. die Simplexmethode einen guten Lösungsansatz dar. Viele kombinatorische Problemstellungen lassen sich außerdem durch Modelle mit binären oder ganzzahligen Variablen, einer linearen Zielfunktion und linearen Ungleichungen zur Beschreibung der Restriktionen darstellen. Eine solche Modellierung ist bei der Anwendung der Softwareprodukte zwar lösbar, führt jedoch nur in seltenen Fällen zu einer Problemlösung in zumutbaren Rechenzeiten. In der Literatur findet man exakte Verfahren vor allem für knotenorientierte Probleme, wobei es sich vorwiegend um Verallgemeinerungen von Methoden zur Lösung von Rundreiseproblemen (TSP) handelt. Die auf dem Set-Partitioning-Ansatz beruhenden Vorgehensweisen werden auch als exakt bezeichnet [Stumpf 1998]. Die Optimierung erfolgt bei diesem Ansatz in zwei Etappen. Im ersten Schritt bestimmt man eine Menge MT zulässiger Touren, sodass jeder Kunde in mindestens einer Fahrt enthalten ist. Für jede Rundreise τ MT werden die kürzeste Route und deren Länge l τ ermittelt. Im zweiten Schritt wird anschließend eine Teilmenge gewählt, also ein Tourenplan TP aus MT, welche die minimale Gesamtlänge hat. Es ist sinnvoll, hierbei eher von unvollständig exakten Verfahren zu sprechen [Eddelbüttel 1997]. Neben den notwendigen Rechenzeiten weisen exakte Verfahren eine weitere Schwäche auf, die einen Einsatz in der Praxis verhindert. Jede Problemvariante (unterschiedliche Fahrzeug- 7
kapazität, empirische Verteilung oder Problemgröße) erfordert einen anderen exakten Lösungsansatz [Domschke 1990]. Heuristische Methoden sind demgegenüber vielfältiger. Die Entscheidung, welche Heuristik für die entsprechende Fragestellung anzuwenden ist, hängt deutlich weniger von den Nebenbedingungen ab. Aus den genannten Gründen ist der unmittelbare Einsatz exakter Algorithmen zur Erzielung wirtschaftlicher Vorteile gegenüber herkömmlichen Heuristiken nicht zu erwarten. Mit dem Einsatz von primitiven, aber zugleich flexiblen heuristischen Methoden ist für alle Probleme in einer kurzen Zeit eine quasi-optimale Lösung möglich. 3.1.2 Heuristische Verfahren In der Literatur ist eine fast unübersehbare Zahl von Heuristiken veröffentlicht worden. Es lassen sich unter diesen Methoden zwei Gruppen identifizieren: die klassischen Algorithmen und die modernen Meta-Heuristiken [Laporte et al. 2000] (siehe Abbildung 3). Heuristiken zur Lösung des VRP Klassische Verfahren Moderne Verfahren Saving Sequential Improvement Petal Sweep Tabu Search Simulated Annealing Genetische Algorithmen Abbildung 3 Klassifikation der VRP-Heuristiken (in Anlehnung an [Laporte et al. 2000]) Die Vorgehensweise heuristischer Verfahren in der Tourenplanung kann in zwei Teilschritte gegliedert werden. Im ersten Schritt, dem Eröffnungsverfahren (auch Konstruktionsverfahren), generiert das Programm eine zulässige Ausgangslösung. Im zweiten Schritt wird mithilfe von so genannten Verbesserungsverfahren versucht, so lange bessere Lösungen zu entwickeln, bis ein zuvor festgelegtes Abbruchkriterium erfüllt ist. Innerhalb der Gruppe der Konstruktionsverfahren kann man nach ein- und zweistufigen Verfahren unterscheiden [Laporte und Semet 2002]. Diese Klassifikation hängt mit der Identifizierung von zwei Teilproblemen in der Tourenplanung zusammen: 1. Ein Zuordnungsproblem von Kunden zu einer Tour (Clustering von Kunden) 2. Ein Reihenfolgeproblem innerhalb jeder Tour (Routing) Je nachdem, ob diese Teilprobleme sequenziell oder simultan gelöst werden, lassen sich die Algorithmen in sukzessive und parallele einteilen. 8
Im Folgenden befassen wir uns zuerst mit klassischen Heuristiken. Zwei Eröffnungsverfahren werden dabei kurz beschrieben, nämlich den Savings-Algorithmus (Parallelverfahren) und die Cluster-First-Route-Second-Verfahrensfamilie (Sukzessivverfahren) sowie die wichtigsten klassischen Verbesserungsalgorithmen. Im zweiten Teil unserer Bestandsaufnahme betrachten wir Tabu Search näher. Dies stellt das erfolgreichste Verfahren unter den modernen Meta- Heuristiken dar. 3.1.2.1 Klassische Heuristiken Die klassischen Heuristiken wurden überwiegend zwischen 1960 und 1990 entwickelt. Die meist verwendeten Konstruktions- und Verbesserungsverfahren in der Praxis zählen zu dieser Klasse. Obwohl sie eine beschränkte Untersuchung des Lösungsraums leisten, führen sie zu guten Ergebnissen innerhalb einer dem Anwender zumutbaren Rechenzeit. Ein weiterer Vorteil der klassischen Verfahren besteht in ihrer Flexibilität gegenüber Erweiterungen, um Gegebenheiten der praktischen Anwendung, wie beispielsweise vorgegebene Zeitfenster für die Lieferung oder unterschiedliche Kapazitäten der Fahrzeuge, gerecht zu werden. 3.1.2.1.1 Savings-Algorithmus Der Savings-Algorithmus stammt von Clarke und Wright [Clarke und Wright 1964] und gilt als Konstruktionsverfahren, mit dessen Hilfe sich gute Anfangslösungen für das VRP generieren lassen. Die konzeptionelle Einfachheit, die kurzen Rechenzeiten sowie die große Anpassungsfähigkeit prädestinieren ihn für einen Einsatz in der Praxis [Gietz 1994]. Der erste Schritt im Savings-Verfahren besteht in der Bildung von Touren, die jeweils nur eine Sendung enthalten. Das sind die Pendeltouren, die anschließend sukzessiv nach einer definierten Reihenfolge miteinander kombiniert werden. Die Kombinationsreihenfolge ermittelt man auf der Basis von vorab definierten Abstandsmaßen, mit denen das Verfahren abschätzt, inwieweit das Aufeinanderfolgen zweier Touren sinnvoll ist. Die Grundoperation besteht dementsprechend im Savings-Algorithmus darin, zwei Touren zu einer zusammenzufassen. Die auf diese Art neu gebildete Tour heißt Kombinationstour. Seien T 1 = (h,..., i) und T 2 = (j,..., k) zwei unterschiedliche Touren. Der erste und der letzte Kunde einer Tour werden Randkunden genannt. Eine Verknüpfung von T 1 und T 2 bedeutet, dass zwei Randkunden von T 1 und T 2 unmittelbar hintereinander beliefert werden, ohne zwischenzeitlich zum Depot zu fahren. Als Kombinationstour T* kann z. B. T*=(h,..., i, j,..., k) entstehen. Die Ersparnis, die eine Kombination der Touren T 1 und T 2 durch Verbindung der Kunden i und j hinsichtlich der Fahrtstrecke einbringt, wird durch den Savings-Wert s ij ausgedrückt, 9
wobei s ij = d i0 + d 0j - d ij für i, j N und i j. Die Savings-Formel setzt sich aus den eingesparten Strecken (d i0 und d 0j ) sowie der zusätzlich zu fahrenden Strecke (d ij ) zusammen. Eine parametrierte Variante vom Savings-Verfahren verbessert die Lösungsqualität, indem sie diese Formel mehrmals mit jeweils geänderten Parameterwerten anwendet und das beste gefundene Ergebnis speichert. Das parametrische Savings-Verfahren von Paessens hat eine beachtliche Lösungsqualität auch im Vergleich zu anderen, wesentlich rechenaufwändigeren Methoden der Tourenplanung [Gietz 1994]. Es verwendet die beiden Tourenformfaktoren g und f und kommt zur folgenden Formel: s ij = d i0 + d 0j g. d ij + f. d i0 d 0j, wobei er 0 < g 3 und 0 f 1 empfiehlt. Der Faktor g geht auf Gaskell [Gaskell 1967] zurück und bewertet den Abstand der beiden zu verbindenden Kunden. Es gilt dabei: g < 1: die bevorzugte Verbindung nahe beieinander liegender Kunden verliert an Gewicht. g > 1: kleinere Abstände zwischen i und j werden vorgezogen. Der Faktor f gewichtet die Differenz der Depotabstände von i und j. Um die Reihenfolge für die Zusammenfassung von Touren festzulegen, sortiert man alle möglichen Savings-Werte zusammen mit den zugehörigen Kundenpaaren (i,j) nach absteigender Größe. In jeder Iteration des Verfahrens wird die Verknüpfung, die zum nächsten Kundenpaar der Liste gehört, untersucht und, falls zulässig, durchgeführt. Jede zulässige Verknüpfung spart genau eine Tour und bringt eine dem Savings-Wert entsprechende Streckenersparnis. 3 3 1 i 2 k j 4 l m n 5 6 1 i 2 k j 4 l m n 5 6 Depot Depot Anfangslösung: Pendeltouren Kombinierte Touren Abbildung 4 Savings-Algorithmus Man unterscheidet zwei Vorgehensweisen beim Aufbau der Touren. Neben dem simultanen Savings-Verfahren, bei dem jede Iteration die Erweiterung einer Rundreise bewirkt, besteht 10
auch die Möglichkeit eines sequenziellen Aufbaus. Die Fahrten werden bei dieser Variante nacheinander aufgebaut [Domschke 1990]. Eine Pendeltour wird solange erweitert, bis es keine weitere zulässige Kombination mehr gibt. Sind noch nicht alle Kunden verplant, beginnt eine neue Rundfahrt. Verschiedene empirische Untersuchungen ergaben, dass die parallele Version die besseren Optimierungsergebnisse realisiert [Laporte et al. 2000]. 3.1.2.1.2 Cluster-First-Route-Second-Algorithmen Die Sukzessivverfahren zur Lösung des VRP umfassen zwei Vorgehensweisen. Die Route- First- Cluster-Second(RFCS)- und die Cluster-First-Route-Second(CFRS)-Verfahren. Nur Letztere sind für kantenorientierte Probleme relevant (vgl. Kapitel 4). Bei dieser Vorgehensweise werden in einer ersten Stufe zunächst alle Kunden unter Betrachtung der Einschränkungen zu Gruppen (Clusters) zusammengefasst. Die Belieferungsreihenfolge innerhalb der gebildeten Teilmengen wird anschließend in einem zweiten Schritt bestimmt. Der Sweep-Algorithmus, der auf Gillet und Miller zurückgeführt wird, ist der bekannteste unter dieser Verfahrensfamilie [Laporte und Semet 2002]. Er gilt für die planaren Instanzen des VRP (Ein Graph heißt planar, wenn er sich so in die Ebene zeichnen lässt, dass sich keine Kanten überkreuzen). Die Kunden-Teilmengen werden gebildet, indem man einen vom Depot ausgehenden Strahl in die Ebene rotiert und Kunden unter Beachtung der Kapazitätseinschränkungen zu Touren zusammenfasst. Die Reihenfolge der Abladestellen lässt sich durch die Lösung vom TSP ermitteln. 3.1.2.1.3 Verbesserungsverfahren Man unterscheidet zwei Typen von Verbesserungsalgorithmen: die Intra- und die Inter-Tour- Verfahren. Die ersten optimieren die Reihenfolge von Abladestellen innerhalb einer Tour (TSP). Inter-Tour-Verbesserungen betreffen mehrere Touren gleichzeitig, zwischen denen Kunden ausgetauscht werden. Zu den Intra-Tour-Algorithmen zählt das r-opt-verfahren. Hierbei werden r Kanten aus einer Tour zuerst entfernt und durch die gleiche Zahl anderer Verbindungen ersetzt. Es gilt, alle möglichen Kombinationen von r Kanten zur Verbindung der verbleibenden Knoten zu überprüfen, auch solche, die alte Verbindungen enthalten. Man wiederholt diese Methode solange, bis die Tour r-optimal ist, d. h. bis es nicht möglich ist, sie durch den Austausch von r Kanten gegen r andere zu verbessern (verkürzen). Der Rechenaufwand für die r- Optimierung beträgt O(n r ), weshalb auch nur das 2-opt-Verfahren (n 2 ) und das 3-opt- Verfahren (n 3 ) praktische Relevanz besitzen. Es gibt verschiedene Anpassungen an den Basisentwurf. Or entwickelte die Or-opt-Methode [Or 1976], welche einen Kompromiss 11
zwischen 2-opt und 3-opt darstellt und die Verlegung von maximal drei aufeinander folgenden Kanten zu einem anderen Ort vorsieht. Der Or-opt-Ansatz nähert der Lösungsgüte vom 3-opt-Verfahren, braucht aber den gleichen Rechenaufwand wie die 2-opt-Methode. Die Inter-Tour-Verfahren befassen sich mit solchen Operationen, die mehrere Touren gleichzeitig verändern. Die gegebenen Zuordnungen der Kunden zu Touren können damit modifiziert werden und zu Reihenfolgeverbesserungen und Toureneinsparungen führen. Durch die größere Anzahl der Kunden, die man gemeinsam betrachtet, bieten Inter-Tour- Verbesserungsverfahren generell mehr Tauschmöglichkeiten als TSP-Verfahren, sind aber sowohl bei der Rechenzeit als auch der Implementierung wesentlich aufwändiger. i-1 i j Relocate i-1 j i i+1 j+1 i+1 j+1 i-1 j-1 i-1 j-1 j i Exchange j i i+1 j+1 i+1 j+1 i-1 j-1 i-1 j-1 Cross j i j i Abbildung 5 Inter-Tour-Optimierungsverfahren Auch bei den Inter-Tour-Verfahren enthält die Literatur des VRP eine umfangreiche Reihe an Rechenschemata. Savelsbergh schlägt drei Austauschoperationen zwischen je zwei verschiedenen Touren vor (paarweise Betrachtung) [Savelsbergh 1988]: Relocate, Exchange und Cross. Die Prozedur Relocate entfernt einen Kunden i aus seiner aktuellen Tour T 1 und 12
fügt ihn an geeigneter Position, vor dem Kunden j, in die Tour T 2 ein (T 1 T 2 ). In der Exchange-Operation tauschen die Kunden i aus T 1 und j aus T 2 ihre Plätze. Wenn T 1 =(0,...,i- 1,i,...,n 1,n 1 +1) und T 2 =(0,...,j-1,j,...,n 2,n 2 +1) zwei Touren sind, versucht ein Cross-Tausch die Endabschnitte beider Touren zu vertauschen, sodass anschließend T 1 =(0,...,i-1,j,n 2,n 2 +1) und T 2 =(0,...,j-1,i,...,n 1,n 1 +1) entstehen (Abbildung 5). 3.1.2.2 Moderne Meta-Heuristiken Die im vorangegangenen Abschnitt beschriebenen Verbesserungsverfahren führen zu einer lokalen Optimierung. Ihre Suchstrategie ist blind, d. h. die Generierung von neuen Lösungen hängt nur von der Entwicklung des Optimierungsvorgangs ab. Diese Algorithmen terminieren, falls keine weiteren Verbesserungen der vorgegebenen Zielfunktion erreichbar sind. Globale Optimierungsheuristiken versuchen lokale Optima zu verlassen, indem sie Verschlechterungen der Zielfunktion temporär in Kauf nehmen. Sie werden als Meta- Heuristiken bezeichnet [Gendreau et al. 2002], weil sie in einer Heuristik eingebettet sind, die den Suchvorgang steuert. Zu diesen Verfahren zählen u. a. Genetische Algorithmen [Kopfer 1992, Reinholz 1995], Simulated Annealing [Van Breedam 1994] und Neuronale Netze [Mundigl 1995]. Wir konzentrieren unsere Betrachtung im folgenden auf Tabu Search. Verschiedene empirische Untersuchungen belegen die Überlegenheit dieser Heuristik im Vergleich zu anderen Suchmethoden [Laporte et al. 2000, Van Breedam 2001]. Das Tabu-Search-Verfahren startet von einer existierenden Startsituation L 1 aus und erzeugt in jeder Iteration, ausgehend von einem aktuellen Punkt L akt im Suchraum, die beste benachbarte Lösung L akt+1. Dazu werden alle Lösungen L mit Zielfunktionswert z(l) aus der Nachbarschaft von L akt bestimmt und die beste ausgewählt, unabhängig davon, ob dadurch eine Verbesserung oder Verschlechterung des Zielfunktionswertes erzielt wird. Der Suchvorgang generiert neue Lösungen, indem er Nachbar-Operationen ausführt. Diese sind meistens Variationen der vorgestellten Kanten-Operationen (r-opt). Wie in anderen Meta- Heuristiken ist die Definition eines Abbruchkriteriums im Tabu Search nicht vorgegeben, typischerweise dauert der Suchprozess solange, bis eine maximale Anzahl von Iterationen erreicht ist. Um Zyklen zu vermeiden (Abbildung 6), speichert man die zuletzt besuchten Lösungen in einem Kurzzeit-Speicher (oder auch Tabu-Liste). Diese Bereiche des Suchraums sind für eine bestimmte Anzahl von Iterationen vorübergehend von der Analyse ausgeschlossen, also Tabu. Ausgenommen davon sind solche Lösungen, die ein sog. Aspirationskriterium erfüllen. Sie werden, auch wenn sie in der Tabu-Liste gespeichert sind, bei der Auswahl eines neuen Ausgangspunktes für die Suche berücksichtigt. Ein 13
Aspirationskriterium ist z. B. dann gegeben, wenn der Zielfunktionswert besser als der bisher bekannte bester Wert ist. Aspirationskriterien müssen so ausgewählt werden, dass sie Zyklen nicht zulassen oder zumindest vermeiden. Globales Optimum Lokales Optimum Nachbar - Operation Zyklus Startlösung Abbildung 6 Entstehung von Zyklen Der Rechenaufwand für Tabu Search hängt stark mit den Zugriffszeiten auf die Tabu-Liste zusammen. Es werden deshalb keine vollständigen Lösungen zwischengespeichert, sondern ausgewählte Merkmale. Die Identifizierung und Verwaltung dieser charakteristischen Eigenschaften eines verbotenen Übergangs stellt immer eine wesentliche Schwierigkeit bei der Implementierung von Tabu Search dar. Ein weiteres Problem bereitet die Festlegung der Tabu-List-Länge. Die Literatur bietet dazu ein breites Spektrum an Lösungsvorschlägen. Taillard schlägt beispielsweise vor, dass man die Länge der Tabu-Liste mithilfe von Verteilungsfunktionen bestimmt [Taillard 1991], Glover ändert die Länge der Liste deterministisch mit vorgegebenen Werten [Glover 1993]. Eine von Battiti und Tecchhiolli entwickelte Erweiterung des Standardverfahrensschemas ist das Reactive Tabu Search (RTS) [Battiti und Tecchhiolli 1994]. Es sieht eine dynamische Anpassung der Länge dieser Liste vor. Eine weitere Beschleunigung des Verfahrens wird dadurch realisiert, dass man die Tabu- Liste als Hash-Tabelle implementiert. Dies ermöglicht die Suche nach Wiederholungen in der Liste mit einem fast konstanten Aufwand. Der Standardablauf von Tabu Search kann um verschiedene Verfeinerungen ergänzt werden. Wichtige Operationen in diesem Zusammenhang stellen Intensivierung (intensification) und Diversifikation (diversification) dar. Der erste Mechanismus führt zu einer Fokussierung der Suche in aussichtsreichen Regionen des Lösungsraums. Im Gegensatz dazu bedeutet Diversifikation einen Sprung zu anderen Gebieten, wenn nach einer vorgegebenen Anzahl von Iterationen keine Verbesserungen erzielt werden konnten. Dazu ist die Frequenz von 14
ausgewählten Bewegungen im Suchraum in einem langfristigen Zwischenspeicher zu halten. Bei der Suche nach einem bisher unerforschten Bereich müssen diese vermieden werden. Start: Gegeben ist ein zulässiger Tourenplan x* mit dem Zielfunktionswert z* Sei x:=x* mit z(x)=z* Schritt k=1,...n: Suche alle Nachbarn N(x) Wähle die beste Lösung x N(x) und berechne z(x ) Überprüfe die wiederholten Verschiebungen (x ) in der Tabu-Liste Wenn Verschiebung(x ) nicht in der Tabu-Liste gefunden Aktualisiere die aktuelle Lösung und ergänze die Tabu-Liste um Verschiebung (x ) Erfolgt keine Wiederholung nach mehreren Iterationen, verkürze die Tabu-Liste Andernfalls wenn (x ) in der Tabu-Liste gefunden und das Aspirationskriterium erfüllt Aktualisiere die aktuelle Lösung Aktualisiere die Tabu-Liste wenn (x ) in der Tabu-Liste gefunden, das Aspirationskriterium jedoch nicht erfüllt Führe Prozedur Diversifikation aus Solange die maximale Anzahl nicht erreicht ist Abbildung 7 Ablauf des RTS-Verfahrens 4 Modellbildung und Implementierungsaspekte Das VRP bietet eine allgemeine Formulierung. Erweiterungen sind notwendig, um Gegebenheiten in der Praxis zu modellieren. Damit man die entwickelten Verfahren wiederverwenden kann, wird zunächst ein Basismodell formuliert. Dies lässt sich je nach Anwendungsfall modifizieren und erweitern. In diesem Kapitel stellen wir ein Basismodell für Tourenplanungsaufgaben in B2B-Marktplätzen sowie die im Rahmen einer Fallstudie implementierten Verfahren vor. 4.1 Basismodell Zur Einordnung von Tourenplanungsproblemen werden häufig Klassifizierungsschemata herangezogen [Stumpf 1998]. Die Ausprägungen sind Ausgangspunkt für die Definition des Basisproblems. In Abbildung 8 sind ausgewählte Merkmale dargestellt, die zur Abgrenzung gegenüber anderen Problemen dienen. 15
Aufträge Fuhrpark Touren Netzwerk Ziele Merkmale Standort Daten Art Auftragsteilung Verträglichkeit Planungshorizont Belieferungsfrequenz Standort Struktur Größe Zeitliche Bebeschränkung der Fahrer Art Beschränkung Zeitbezug Daten Art Fahrzeiten Minimierung Maximierung knotenorientiert deterministisch ausliefern nicht teilbar Auftrag-Auftrag eine Periode periodisch ein Depot homogen ein Fahrzeug keine kantenorientiert stochastisch beides dynamisch beides beschränkt teilbar einsammeln beliebig teilbar Auftrag-Fahrzeug mehrere gleiche mehrere un- unendlich Perioden gleiche Perioden große Perioden teilperiodisch offen Tourdauer eine Periode symmetrisch Koordinatennetz konstant Kosten Auslastung Ausprägungen aperiodisch mehrere Fahrzeuge Anzahl Fahrzeuge alle Fahrer Auftragszahl einmalig mehrere Depots heterogen unbeschränkt ein Teil der Fahrer geschlossen Fahrstrecke mehrere Perioden asymmetrisch Straßennetz variabel Fahrzeit Fahrstrecke Lieferservice Abbildung 8 Eigenschaften des untersuchten Tourenplanungsproblems (in Anlehnung an [Stumpf 1998]) Da wir unsere Betrachtung auf das B2B-Szenario fokussieren, können wir uns auf knotenorientierte Probleme beschränken. Für die Warenverteilung in Industrie und Handel gilt fast ausschließlich dieser Fall. Zusätzlich zu den Einschränkungen im VRP, treffen wir folgende Annahmen: 1. Alle Sendungsdaten liegen zum Zeitpunkt der Planung vor. Dadurch lässt sich die Planung wesentlich erleichtern ohne die Praxisrelevanz des Modells zu beeinträchtigen. 2. Der eingesetzte Fuhrpark ist heterogen. 3. Es gibt eine maximale Tourdauer sowie eine maximale Anzahl von Abladestellen pro Tour. 4. Kunden in unterschiedlichen Handelszonen, bspw. innerhalb und außerhalb der EU, dürfen nicht in einer Tour bedient werden. 5. Der Planungshorizont umfasst mehrere Perioden. Dadurch lassen sich bessere Bündelungseffekte erreichen (vgl. Abschnitt 2). Als Planungsziele gelten die folgenden, nach absteigender Priorität geordneten Kriterien: 1. Minimierung der Fahrstrecke und -zeit; 2. Maximierung der Auslastung; 3. Minimierung der Zollgrenz-Übergänge in einer Tour. 16